跑酷是一項極限運動,對機器人特別是四足機器狗來說,更是一項巨大的挑戰,需要在複雜的環境中快速克服各種障礙。一些研究嘗試使用參考動物數據或複雜的獎勵,但這些方法產生的「跑酷」技能要么多樣但盲目,要么基於視覺但特定於場景。然而,自主跑酷需要機器人學習基於視覺且多樣化的通用技能,以感知各種場景並迅速做出反應。
最近,一個機器狗跑酷的影片火了,影片中的機器狗在多種場景中迅速克服了各種障礙。例如,從鐵板下方的縫隙穿過,爬上木箱,再跳到另一個木箱上,一連串動作行雲流水:
##這串動作說明機器狗已經掌握了貼地爬行、攀爬和跳躍三個基本技能
#它還有一個特殊的技能:能夠傾斜擠過狹窄的縫隙
如果機器狗未能克服障礙,它會多試幾次:
#該內容已經被重寫成中文: 這款機器狗是基於一種為低成本機器人研發的「跑酷」技能學習框架。此框架由上海期智研究院、史丹佛大學、上海科技大學、CMU和清華大學的研究者共同提出,其研究論文已入選CoRL 2023(Oral)。本研究計畫已開源
論文網址:https://arxiv.org/abs/2309.05665
#計畫地址:https://github.com/ZiwenZhuang/parkour
#方法簡介
該研究推出了一種新的開源系統,用於學習基於視覺的端到端跑酷策略,以使用簡單的獎勵來學習多種跑酷技能,而無需任何參考運動數據。
具體來說,這項研究提出了一種強化學習方法,旨在讓機器人學會攀爬高障礙、跳過大間隙、在低障礙下爬行、擠過狹小縫隙和跑步等技能,並將這些技能轉化為基於單一視覺的跑酷策略。同時,透過使用以自我為中心的深度相機,將這些技能遷移到四足機器人上
#為了在低成本機器人上成功部署該研究提出的跑酷策略,只需使用機載計算(Nvidia Jetson)、機載深度攝影機(Intel Realsense)和機載電源,而不需要動作捕捉、雷射雷達、多個深度攝影機和大量計算
為了訓練跑酷策略,研究共進行如下三個階段的工作:
第一階段:強化學習預訓練,具備軟動態限制。研究採用自動課程讓機器人學習穿越障礙物,鼓勵機器人逐漸學會克服障礙
第二階段:具有 hard 動態限制的強化學習微調。研究在這個階段強制執行所有動態約束,並用現實動態(realistic dynamics)微調機器人在預訓練階段學到的行為。
第三階段:蒸餾。在學習了每個單獨的跑酷技能後,該研究使用DAgger 將它們蒸餾成一個基於視覺的跑酷策略(由RNN 參數化),該策略可以僅使用機載感知和計算部署到腿式機器人上。
實驗及結果
在訓練中,該研究為每種技能設定了相應的障礙物尺寸,如下表1 所示:
該研究進行了大量的模擬和現實實驗,結果表明,跑酷策略使低成本四足機器人能夠自主選擇和執行適當的跑酷技能,僅使用機載計算、機載視覺感測和機載電源即可穿越開放世界中具有挑戰性的環境,包括爬高0.40m(1.53x 機器人高度)的障礙物,跳過0.60m(1.5x 機器人長度)的大間隙,在0.2m(0.76x 機器人高度)的低障礙物下爬行,透過傾斜擠過0.28m 的細縫(小於機器人寬度),可以一直跑步前進。
此外,研究也對所提出的方法與幾個基準方法進行了比較,並在模擬環境中進行了消融實驗。具體結果如表2所示:
如有興趣的讀者可閱讀原始論文,以深入了解更多研究內容
#以上是攀爬、跳躍、過窄縫,開源強化學習策略讓機器狗跑酷了的詳細內容。更多資訊請關注PHP中文網其他相關文章!

斯坦福大學以人為本人工智能研究所發布的《2025年人工智能指數報告》對正在進行的人工智能革命進行了很好的概述。讓我們用四個簡單的概念來解讀它:認知(了解正在發生的事情)、欣賞(看到好處)、接納(面對挑戰)和責任(弄清我們的責任)。 認知:人工智能無處不在,並且發展迅速 我們需要敏銳地意識到人工智能發展和傳播的速度有多快。人工智能係統正在不斷改進,在數學和復雜思維測試中取得了優異的成績,而就在一年前,它們還在這些測試中慘敗。想像一下,人工智能解決複雜的編碼問題或研究生水平的科學問題——自2023年

Meta的Llama 3.2:多模式和移動AI的飛躍 Meta最近公佈了Llama 3.2,這是AI的重大進步,具有強大的視覺功能和針對移動設備優化的輕量級文本模型。 以成功為基礎

本週的AI景觀:進步,道德考慮和監管辯論的旋風。 OpenAI,Google,Meta和Microsoft等主要參與者已經釋放了一系列更新,從開創性的新車型到LE的關鍵轉變

連接的舒適幻想:我們在與AI的關係中真的在蓬勃發展嗎? 這個問題挑戰了麻省理工學院媒體實驗室“用AI(AHA)”研討會的樂觀語氣。事件展示了加油

介紹 想像一下,您是科學家或工程師解決複雜問題 - 微分方程,優化挑戰或傅立葉分析。 Python的易用性和圖形功能很有吸引力,但是這些任務需要強大的工具

Meta's Llama 3.2:多式聯運AI強力 Meta的最新多模式模型Llama 3.2代表了AI的重大進步,具有增強的語言理解力,提高的準確性和出色的文本生成能力。 它的能力t

數據質量保證:與Dagster自動檢查和良好期望 保持高數據質量對於數據驅動的業務至關重要。 隨著數據量和源的增加,手動質量控制變得效率低下,容易出現錯誤。

大型機:AI革命的無名英雄 雖然服務器在通用應用程序上表現出色並處理多個客戶端,但大型機是專為關鍵任務任務而建立的。 這些功能強大的系統經常在Heavil中找到


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

PhpStorm Mac 版本
最新(2018.2.1 )專業的PHP整合開發工具

SublimeText3 Linux新版
SublimeText3 Linux最新版

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

Atom編輯器mac版下載
最受歡迎的的開源編輯器